理解BloomFilter
一. 产生背景
很多时候,我们都有这样一个需求:判断一个元素是否存在于集合中。比如IDEA中的单词拼写检查,要判断一个用户输入的单词是否在词库中。
我们轻易能想到的一个简单的解决方案,就是使用一个Hash表,将所有合法的单词都保存在Hash表中,这样写入和查询的时间复杂度都为O(1),还是很快的。但是这样做有一个问题,就是太耗费空间。而且由于Hash表的散列冲突问题,就更加剧了空间的占用。这时就可以应用Bloom Filter。
二. BloomFilter原理
Bloom Filter有两个要素:
- 一个很长的二进制向量
- 一系列随机映射函数(hash函数)
布隆过滤器的原理是:当一个元素被加入集合时,通过K个hash函数将这个元素映射成一个位数组中的K个点,并把这K个点置为1。检索时,我们只要看看这些点是不是都是1就(大约)知道集合中有没有它了:如果这些点有任何一个0,则被检元素一定不在;如果都是1,则被检元素很可能在。这就是布隆过滤器的基本思想。
可以注意到,上面用了大约、很可能这些修饰词,也就是说,BloomFilter是有一定误判率的:
- 如果一个元素被判断为不存在,则一定不存在。
- 如果一个元素实际不存在,但是其映射到的K个位置都是1,则会将其误判为存在。
三. BloomFilter使用场景
- 垃圾邮件过滤
- 白名单
- 解决缓存穿透